越南语字符的正则表达式

Question

我有一个字符串，想要移除下列情况之外的任何字符：

• 不包含以下内容：ÀÁÂÃÈÉÊÌÍÒÓÔÕÙÚĂĐĨŨƠàáâãèéêìíòóôõùúăđĩũơƯĂẠẢẤẦẨẪẬẮẰẲẴẶẸẺẼỀỀỂ ưăạảấầẩẫậắằẳẵặẹẻẽềềểỄỆỈỊỌỎỐỒỔỖỘỚỜỞỠỢỤỦỨỪễệỉịọỏốồổỗộớờởỡợụủứừỬỮỰỲỴÝỶỸửữựỳỵỷỹ

• 不包含以下内容：[a-z 0-9 A-Z]

• 不包含以下字符：_ 和空格。

请问有人能帮我写一下此 PHP 正则表达式吗？

- lamtheo.com

---

你不应该使用正则表达式来解决这个问题。应该使用 Unicode 模块来验证本地化字符集中的字符。 - Ether

Answer 1

尝试使用这个正则表达式：

/[^a-z0-9A-Z_ÀÁÂÃÈÉÊÌÍÒÓÔÕÙÚĂĐĨŨƠàáâãèéêìíòóôõùúăđĩũơƯĂẠẢẤẦẨẪẬẮẰẲẴẶẸẺẼỀỀỂưăạảấầẩẫậắằẳẵặẹẻẽềềểỄỆỈỊỌỎỐỒỔỖỘỚỜỞỠỢỤỦỨỪễếệỉịọỏốồổỗộớờởỡợụủứừỬỮỰỲỴÝỶỸửữựỳỵỷỹ]/u

u 修饰符 使 PHP 把模式字符串解读为 UTF-8。

如果这样不起作用，请尝试使用 Unicode 字符属性，例如 \p{L} 表示字母，或者使用 转义序列 \x{1234} 来描述单个 Unicode 字符或自定义字符范围：

/[^a-z0-9A-Z_\x{00C0}-\x{00FF}\x{1EA0}-\x{1EFF}]/u

- Gumbo

Answer 2

上述正则表达式缺少ế，同时重复了ă和ề。
以下是正确的越南文字符列表： àáãạảăắằẳẵặâấầẩẫậèéẹẻẽêềếểễệđìíĩỉịòóõọỏôốồổỗộơớờởỡợùúũụủưứừửữựỳỵỷỹýÀÁÃẠẢĂẮẰẲẴẶÂẤẦẨẪẬÈÉẸẺẼÊỀẾỂỄỆĐÌÍĨỈỊÒÓÕỌỎÔỐỒỔỖỘƠỚỜỞỠỢÙÚŨỤỦƯỨỪỬỮỰỲỴỶỸÝ
此外，请记得在使用正则表达式测试之前以NFC形式规范化字符串（string.normalize('NFC')）。 在此处阅读更多信息。

- sonlexqt

---

很好的发现，并且关于规范化的提及也很好。初始答案中的正则表达式已更新以包括这些字符。 - Kevin Danikowski

Answer 3

请注意，越南语Unicode字符可能会“分解”为具有一个代码点的基本字符和一个或多个代码点的附加变音符号 "combining characters"，也可能会被“预组合”成单个Unicode代码点。由于无论它们与哪个基本字符结合，组合变音符号都无法按预期工作，因此在正则表达式范围 [] 中匹配它们时，您将始终匹配它们。

早期版本的Unicode不包含完整的越南语预组合字符集，因此可能会在实际应用中找到带有组合字符的越南语。您可以使用Unicode normalization形式C，NFC将组合字符转换为预组合字符。

- hippietrail

Answer 4

$newtext = preg_replace('/[^a-z0-9A-Z_[:space:]ÀÁÂÃÈÉÊÌÍÒÓÔÕÙÚĂĐĨŨƠàáâãèéêìíòóôõùúăđĩũơƯĂẠẢẤẦẨẪẬẮẰẲẴẶẸẺẼỀỀỂ ưăạảấầẩẫậắằẳẵặẹẻẽềềểỄỆỈỊỌỎỐỒỔỖỘỚỜỞỠỢỤỦỨỪễệỉịọỏốồổỗộớờởỡợụủứừỬỮỰỲỴÝỶỸửữựỳỵỷỹ]/u','',$text);

- Piskvor left the building

---

[:space:]是一个匹配空格字符的字符类：http://uk.php.net/manual/en/regexp.reference.character-classes.php - Piskvor left the building

你的正则表达式缺少 'ế'。 - Xuân-Lợi Vũ

Answer 5

您可以尝试使用以下正则表达式来通过“ê，ế，Ê，Ế”： ^[a-zA-Z_ÀÁÂÃÈÉÊẾÌÍÒÓÔÕÙÚĂĐĨŨƠàáâãèéêếìíòóôõùúăđĩũơƯĂẠẢẤẦẨẪẬẮẰẲẴẶẸẺẼỀỀỂưăạảấầẩẫậắằẳẵặẹẻẽềềểỄỆỈỊỌỎỐỒỔỖỘỚỜỞỠỢỤỦỨỪễệỉịọỏốồổỗộớờởỡợụủứừỬỮỰỲỴÝỶỸửữựỳỵỷỹ\ ]+$

- Trung Phạm

---

这是最正确的答案，它不会出现错误“ê,ế,Ê,Ế,...”。符合越南标准。 - Trung Phạm

Answer 6

使用Js可以添加这个

const regex = /^[^\u00C0-\u1EF9]+$/i;

regex.test("Việt") -> false

- Hieu Nguyen

Answer 7

你可以使用Unicode字符，https://vietunicode.sourceforge.net/charset/

return value.replace(/[^A-Za-z\s\u00C0-\u1EF9]/g, "");

- Nguyễn Minh nhật

---

您的回答不太清晰，请编辑并添加更多细节，以帮助其他人了解它是如何解决问题的。您可以在帮助中心中找到有关编写良好答案的更多信息。 - Community